תמלול עם זיהוי דוברים: מדריך לפריסת WhisperX ב־SageMaker
כך מתכננים פריסת WhisperX ב־SageMaker, בוחרים אופן עיבוד ובודקים תמלול עם חותמות זמן ושיוך לדוברים, כולל בדיקות לעברית ולשיחות מעורבות.
כדי להפוך הקלטת ישיבה לתמליל שימושי, לא מספיק לחלץ את המילים: צריך לדעת מתי נאמרו ומי אמר אותן. ב־24 בספטמבר 2026 פרסמה AWS מדריך לפריסת WhisperX ב־Amazon SageMaker AI, המשלב תמלול, יישור מילים באמצעות wav2vec2 וחלוקה לדוברים. הנה סדר עבודה מעשי לפיילוט, מבחירת הקלטת הבדיקה ועד החלטה אם התוצאה מתאימה לעבודה בעברית.
1. הגדירו את התוצר והכינו הקלטת בדיקה
החידוש כאן הוא מדריך פריסה רשמי, לא השקה של WhisperX. לפי התחקיר, AWS מכסה קונטיינר המשלב את רכיבי העיבוד, פריסה לנקודות קצה בזמן אמת ובמצב אסינכרוני, התאמת סביבת GPU, הגדלת קיבולת ובקרת עלויות. המדריך שלפניכם מסדר את ההחלטות והבדיקות; הוא אינו תחליף להוראות הבנייה ולתצורת הקונטיינר בפרסום הרשמי.
התחילו מהתוצר הרצוי: תמליל לקריאה, כתוביות לעריכה או מסמך ישיבה עם שיוך לדוברים. לכל שימוש יש מבחן הצלחה שונה. לעורך וידאו חשובות חותמות הזמן; לצוות שמפיק פרוטוקול חשוב במיוחד שלא תיוחס התחייבות לאדם הלא נכון. אל תתחילו מאוסף ההקלטות המלא לפני שהגדרתם מה נחשב תוצר שמיש.
- בחרו קטע מייצג שיש לכם הרשאה לעבד, עם חילופי דוברים ותנאי הקלטה דומים לשימוש המתוכנן.
- הכינו תמליל ייחוס ידני וסמנו בו מי מדבר ובאילו מקומות מתחלף הדובר.
- כללו בבדיקה שמות ישראליים, ראשי תיבות ומונחים באנגלית, אם אלה מופיעים בהקלטות שלכם.
- שמרו עותק מקור ללא שינוי, ותעדו כל המרה שתבצעו לפני העיבוד.
2. בחרו מסלול פריסה והגבילו הרשאות
לצורך פיילוט של ראיונות מוקלטים או ישיבות שהסתיימו, התחילו בבחינת המסלול האסינכרוני: מגישים קובץ ואוספים את התוצאה כשהעיבוד מסתיים. אם היישום צריך להחזיר תשובה במסגרת בקשה אינטראקטיבית, בחנו את מסלול נקודת הקצה בזמן אמת. אל תסיקו מהמונח הזה שמדובר בהכרח בתמלול רציף של שיחה חיה; זו יכולת נפרדת שצריך לאמת.
לפני ההקמה, בחרו אזור AWS ובדקו בו זמינות של משאבי GPU מתאימים ומכסות בחשבון. בעסק ישראלי שמקליט לקוחות או עובדים, ודאו גם שמיקום העיבוד והשמירה תואם להתחייבויות הארגון. עצם השימוש בחשבון AWS של החברה אינו מבטיח שההקלטות מעובדות בישראל או שהן עומדות אוטומטית בדרישות הפרטיות שלכם.
לאחר מכן הגדירו מיקומים נפרדים לקלט ולפלט ותפקיד ביצוע בעל הרשאות מצומצמות. השתמשו בהוראות הפריסה הרשמיות לבניית הקונטיינר, להתאמת סביבת ה־GPU וליצירת נקודת הקצה שבחרתם. התחילו בקובץ בדיקה לא רגיש, ודאו שהפלט נשמר ושהתקלות ניתנות לאבחון, ורק אז המשיכו לחומר אמיתי. התחקיר אינו כולל פקודות התקנה או פרטי תצורה, ולכן אין כאן פקודות משוערות להעתקה.
איכות התמלול בעברית לא אומתה בתחקיר. בדקו בנפרד את התאמת רכיב התמלול, רכיב היישור וחלוקת הדוברים לחומר שלכם; הצלחה בשלב אחד אינה מוכיחה שהשרשרת כולה מתאימה לעברית.
3. הריצו קובץ אחד ובדקו כל שכבת פלט
WhisperX מחבר בין משימות שונות. התמלול מפיק טקסט מהדיבור; יישור המילים מצמיד אותו לציר הזמן; חלוקה לדוברים, או diarization, משייכת מקטעים לדוברים מובחנים. החלוקה אינה כשלעצמה זיהוי של המשתתפים בשמותיהם. תווית דובר צריכה לעבור אימות לפני שהיא הופכת לשם של עובד או לקוח במסמך.
הגישו את הקובץ בהתאם למבנה הקלט שמתועד בפריסה שבחרתם. כשהעיבוד מסתיים, שמרו גם את הפלט המקורי ולא רק מסמך מעוצב. כך תוכלו לבדוק אם תקלה נוצרה בזיהוי הדיבור, ביישור הזמנים, בחלוקה לדוברים או בשלב שממיר את התוצאה לתמליל קריא.
- טקסט: האזינו לקטעים שנבחרו מראש ובדקו השמטות, החלפות מילים ושיבוש שמות.
- זמנים: קפצו בהקלטה לנקודות שמופיעות בפלט ובדקו שהמילים אכן נשמעות שם.
- דוברים: בדקו במיוחד חילופים מהירים, הפרעות ודיבור חופף.
- שלמות: ודאו שאין חלק חסר בתחילת הקובץ, בסופו או סביב הפסקה ממושכת.
תמליל קריא אינו בהכרח תמליל נכון: גם מילה נכונה עלולה להופיע בזמן הלא נכון או אצל הדובר הלא נכון.
4. בצעו מבחן עברית שמדמה יום עבודה
לצוות ישראלי, הקלטה נקייה בשפה אחת אינה בדיקה מספקת אם העבודה כוללת מעבר מעברית לאנגלית. הריצו גם שיחה שיש בה שמות מוצרים, כתובות דוא״ל ומונחים מקצועיים. בדקו אם המעבר בין השפות משפיע על הטקסט ועל חותמות הזמן, ואם דובר נשאר משויך לאותה תווית לאורך השיחה.
נהלו גיליון בדיקה עם סוג הטעות, הקטע שבו הופיעה והתיקון הדרוש. הפרידו בין טעות כתיב, מילה חסרה ושיוך שגוי לדובר: המשמעות העסקית שלהן שונה. בישיבת מכירות, למשל, שיבוש בשם מוצר דורש תיקון; ייחוס הבטחת מחיר לאדם אחר עלול לשנות את הבנת השיחה.
אם שלב מסוים נכשל, חזרו לתצורה שלו לפני החלפת כל המערכת. בדקו בתיעוד את התאמת רכיב היישור לשפה ואת אפשרויות הטיפול בשיחות מעורבות. אל תמלאו חותמות זמן חסרות או שמות דוברים בניחוש. בתוצר שמועבר לעובדים, סמנו מקומות שדורשים האזנה ואישור אנושי.
5. מדדו עלות אמיתית לפני שמגדילים קיבולת
לאחר שהקובץ הראשון עובר את הבדיקה, הריצו קבוצת הקלטות מייצגת. תעדו את משך ההקלטה, זמן העיבוד, תצורת המשאב, כשלי ההרצה והזמן שנדרש לתיקון ידני. אל תסתפקו בעלות המחשוב: מערכת זולה שמייצרת הרבה עבודה לעורך אינה בהכרח הבחירה החסכונית.
הגדירו התראות תקציב, מדיניות שמירה לקבצים ותהליך להסרת משאבי ניסוי כשאינם נחוצים. לפני הרחבת הקיבולת, בדקו כיצד הפריסה מגיבה למספר קבצים שמגיעים יחד ומה קורה אחרי כשל. ודאו גם שהניסיון החוזר אינו יוצר מסמכים כפולים ושאפשר לקשר כל פלט להקלטת המקור הנכונה.
נקודת היציאה מהפיילוט צריכה להיות החלטה ברורה: לאילו הקלטות המערכת מתאימה, מי מאשר את התמליל ומתי נדרשת בדיקה מלאה מול האודיו. למערכת חדשות, משרד שירות או צוות מוצר בישראל, זהו ההבדל בין הדגמה מוצלחת לבין תהליך עבודה שאפשר להסתמך עליו. התחילו בהיקף מוגבל והרחיבו רק אחרי שהאיכות בעברית והעלות התפעולית נבדקו בפועל.
שאלות נפוצות
איך מתמללים הקלטה עם זיהוי דוברים באמצעות WhisperX?
תהליך העבודה משלב תמלול, יישור המילים לציר הזמן וחלוקה לפי דוברים. מדריך AWS המתואר בתחקיר מציג פריסה ב־SageMaker AI; לפני שימוש בתוצר יש לבדוק בנפרד את דיוק הטקסט, חותמות הזמן ושיוך הדוברים.
האם WhisperX מתאים לתמלול שיחות בעברית ובאנגלית?
התחקיר אינו כולל בדיקת איכות בעברית או בשיחה המשלבת עברית ואנגלית. לפני פריסה יש לוודא התאמה של רכיבי התמלול והיישור לשפה, ולבחון הקלטה מייצגת מול תמליל שתוקן ידנית.
האם זיהוי דוברים ב־WhisperX מזהה את שמות המשתתפים?
חלוקה לדוברים, המכונה diarization, אינה כשלעצמה זיהוי של אדם בשמו. כדי להציג שמות צריך לאמת את הקשר בין תווית הדובר לבין המשתתף, ולא להסיק אותו אוטומטית מעצם החלוקה.
דרגו את הכתבה
הדירוג עוזר לנו לדעת מה שווה לכם.
תגובות